دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Ghilagaber. Gebrenegus, Midi. Habshah, Riazoshams. Hossein سری: ISBN (شابک) : 9781118738061, 9781119010449 ناشر: John Wiley & Sons سال نشر: 2019 تعداد صفحات: 242 [261] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 Mb
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Robust nonlinear regression : with applications using R به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب رگرسیون غیرخطی قوی: با برنامه هایی که از R استفاده می کنند نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
رگرسیون غیرخطی قوی: با کاربردهایی که از R استفاده می کنند،
انواع تئوری ها و کاربردهای رگرسیون قوی غیرخطی را پوشش می دهد.
این هر دو بخش از جنبههای کلاسیک و قوی رگرسیون غیرخطی را مورد
بحث قرار میدهد و بر اثرات پرت تمرکز میکند. روشهای جدیدی را
در رگرسیون غیرخطی قوی توسعه میدهد و مجموعهای از اشیا و توابع
را در زبان S تحت نرمافزار SPLUS و R پیادهسازی میکند. این نرم
افزار طیف وسیع از اتصالات و استنتاج های
غیرخطی قوی را پوشش می دهد و به گونه ای طراحی شده است که
امکاناتی را برای کاربران رایانه فراهم کند تا مدل های غیرخطی خود
را به عنوان یک شی تعریف کنند و مناسب باشند. مدل هایی با استفاده
از روش های کلاسیک و قوی و همچنین تشخیص نقاط پرت. اشیاء و توابع
اجرا شده را می توان توسط پزشکان و همچنین محققان به کار برد.
-- ادامه
مطلب...
چکیده: رگرسیون غیرخطی قوی: با برنامههایی که از R استفاده
میکنند انواع نظریه ها و کاربردهای رگرسیون قوی غیرخطی این هر دو
بخش از جنبههای کلاسیک و قوی رگرسیون غیرخطی را مورد بحث قرار
میدهد و بر اثرات پرت تمرکز میکند. روشهای جدیدی را در رگرسیون
غیرخطی قوی توسعه میدهد و مجموعهای از اشیا و توابع را در زبان
S تحت نرمافزار SPLUS و R پیادهسازی میکند. این نرمافزار طیف
گستردهای از اتصالات غیرخطی و استنتاجهای قوی را پوشش میدهد، و
به گونهای طراحی شده است که امکاناتی را برای کاربران رایانه
فراهم کند تا مدلهای غیرخطی خود را به عنوان یک شی تعریف کنند و
مدلها را با استفاده از روشهای کلاسیک و قوی و همچنین تشخیص
نقاط پرت، برازش کنند. اشیاء و توابع اجرا شده را می توان توسط
پزشکان و همچنین محققان به کار برد
Robust Nonlinear Regression: with Applications using R covers a
variety of theories and applications of nonlinear robust
regression. It discusses both parts of the classic and robust
aspects of nonlinear regression and focuses on outlier effects.
It develops new methods in robust nonlinear regression and
implements a set of objects and functions in S-language under
SPLUS and R software. The software covers a wide range of robust nonlinear
fitting and inferences, and is designed to provide facilities
for computer users to define their own nonlinear models as an
object, and fit models using classic and robust methods as well
as detect outliers. The implemented objects and functions can
be applied by practitioners as well as researchers. --
Read
more...
Abstract: Robust Nonlinear Regression: with Applications using
R covers a variety of theories and applications of nonlinear
robust regression. It discusses both parts of the classic and
robust aspects of nonlinear regression and focuses on outlier
effects. It develops new methods in robust nonlinear regression
and implements a set of objects and functions in S-language
under SPLUS and R software. The software covers a wide range of
robust nonlinear fitting and inferences, and is designed to
provide facilities for computer users to define their own
nonlinear models as an object, and fit models using classic and
robust methods as well as detect outliers. The implemented
objects and functions can be applied by practitioners as well
as researchers
Content: Robust statistics --
Nonlinear models --
Robust estimators in nonlinear regression --
Heteroscedastic variance --
Authocorrelated errors --
Outlier detection in nonlinear regression --
Optimization --
Nlr package --
Robust nonlinear regression in R.